[发明专利]基于小波和恒虚警率的雷达目标及阴影分割方法

说明书

技术领域

本发明属于信号与信息处理技术领域，涉及将小波变换、目标检测、合成孔径雷达成像和合成孔径雷达图像特点相结合的小波和恒虚警率的雷达目标及阴影分割方法。

背景技术

图像分割既是图像处理的重要内容，又是图像分析、图像理解和图像模式识别等方面的基础知识和关键技术。因此，图像分割已在许多领域得到了非常广泛的应用，例如生物医学、遥感测绘、视频通信、航天航空、公共安全、档案管理、交通运输、农业、环境、生态、地质、海洋、气象、灾害、救援等方面，而且随着图像分割理论和方法技术的不断发展和完善，其在实际中的应用也更加广阔、更加深入。虽然一幅图像提供了大量有用的信息，但是实际上我们往往只对图像里面的某部分区域感兴趣，而对其它区域不感兴趣。感兴趣区域通常称为目标区域，它们具有相同或相似的特征，如灰度特征、纹理特征等；而剩下的其它区域统称为背景区域。把感兴趣的目标区域从背景图像区域中提取或分离出来的过程就是图像分割。所以，所谓的图像分割就是指按照一定的准则，把一幅图像划分成若干个在物理上有意义的区域的集合，这些集合互不相交，相同的集合具有相同或者相似的特性，不同的集合具有不同特性。

由于图像在许多领域得到了广泛地应用，因此图像分割理论和方法技术也得到了迅速的发展和应用，到目前为止，图像分割方法已有数百上千种，而且新的图像分割方法还在不断地被提出。虽然图像分割方法种类繁多，但是每种方法通常都是针对不同的应用背景而提出的，目前还没有一种对所有图像均能进行有效分割的方法，即尚未有一个普适的分割框架适用于所有的图像。同时，分割结果的评判也没有一个统一的标准，很大程度上还是依靠视觉判断。针对现有图像分割方法，从原理上大体可分为四类：(1)基于阈值的图像分割；(2)基于边缘检测的图像分割；(3)基于区域生长的图像分割；(4)基于特定理论的图像分割。阈值分割是通过对图像灰度值设置某阈值来实现图像分割，包含单阈值分割和多阈值分割两类。阈值分割的优点是简单、易实现，缺点是适合于目标区域与背景区域具有较强对比度的图像。边缘分割是通过先检测边缘点，然后连接边缘点，形成闭合的子图像边界，从而实现图像的分割。因此，根据边缘检测方式的不同可分为串行边缘检测分割和并行边缘检测分割。区域分割方法通常是根据图像的灰度、纹理、颜色等统计特征，充分考虑图像的空间信息，然后把图像划分成不同的子区域来实现图像分割，典型的方法有:区域生长法、分裂合并法和分水岭法等。随着科学技术的发展，各种特定的理论和新兴技术，如遗传方法、各种智群方法等，它们与图像分割理论结合起来，产生了许多新的图像分割方法，而且获得了良好的分割效果。

合成孔径雷达(SyntheticApertureRadar,SAR)是一种主动的微波遥感成像雷达，具有典型的全天候、全天时获取遥感数据能力的特点，在民用和军用领域均得到了广泛的应用。但是，其相干性成像机理造成SAR图像中包含着大量不可避免的斑点噪声，这对SAR图像的分割和应用产生极大挑战和困难。因为通常的图像分割方法直接应用于SAR图像，很难取得理想的分割效果，因此，有许多学者根据SAR图像的特点和应用背景提出了许多不同的SAR图像分割方法。这些方法如果按SAR图像分割的目的来进行划分，可分为两大类：一类是针对感兴趣目标的提取的图像分割；一类是针对地物分类的图像分割。如果按减小SAR图像斑点噪声对图像分割的影响来划分，可分为直接分割和先滤波后分割两类。在直接进行SAR图像分割中，一般都是通过对SAR图像数据进行统计建模，并在分割模型中考虑斑点噪声的滤除，代表性的方法有：基于恒虚警率(ConstantFalseAlarmRatio,CFAR)检测的图像分割、基于马尔可人随机场(MarkovRandomField,MRF)的图像分割和基于边缘检测的图像分割等。

基于CFAR检测的图像分割方法是通过对图像的统计特性进行估计，得到一个阈值，然后将图像中每个像素的灰度值与该阈值进行比较，从而完成图像的分割。CFAR检测分割方法的优点是分割速度快，缺点是仅考虑了图像的灰度信息，没有考虑空间信息，因此分割结果中往往包含着斑点噪声，不能满足实际需求。虽然基于MRF模型的SAR图像分割方法考虑了每个像素的空间邻域结构，但是缺陷也很明显：要处理的数据量大、方法收敛速度慢、需要调节多个参数，很难实现优化。基于边缘检测的SAR图像分割方法受到SAR图像中的斑点噪声的影响较大，如斑点噪声较多的情形中，边缘检测算子往往难以获得比较好的边缘图，导致对边缘像素的位置难以准确定位。而且，现有的SAR图像分割方法中，一般都是针对感兴趣目标或地物分类而进行的图像分割，很少涉及到目标阴影的分割。

发明内容